library(plotly)
library(lattice)
library(latticeExtra)
library(ggplot2)
library(tidyverse)
library(readr)

Zaladowanie danych

dane<-read.csv("Kurcaba_dane_surowe.csv", sep=";")

Sprawdzanie czy wystepuje brak danych. Okazuje sie, że dane sa kompletne.

any(is.na(dane))
## [1] FALSE
sum(is.na(dane))
## [1] 0
#Gdyby trzeba bylo poprawiac dane, to wpisywanie do pliku wygladalo by tak:
write_csv(dane,"Kurcaba_dane_przeksztalcone.csv", col_names = TRUE)

Podstawowe statystyki dla poszczegolnych kolumn:

summary(dane)
##       age            job              marital           education        
##  Min.   :18.00   Length:45211       Length:45211       Length:45211      
##  1st Qu.:33.00   Class :character   Class :character   Class :character  
##  Median :39.00   Mode  :character   Mode  :character   Mode  :character  
##  Mean   :40.94                                                           
##  3rd Qu.:48.00                                                           
##  Max.   :95.00                                                           
##    default             balance         housing              loan          
##  Length:45211       Min.   : -8019   Length:45211       Length:45211      
##  Class :character   1st Qu.:    72   Class :character   Class :character  
##  Mode  :character   Median :   448   Mode  :character   Mode  :character  
##                     Mean   :  1362                                        
##                     3rd Qu.:  1428                                        
##                     Max.   :102127                                        
##    contact               day           month              duration     
##  Length:45211       Min.   : 1.00   Length:45211       Min.   :   0.0  
##  Class :character   1st Qu.: 8.00   Class :character   1st Qu.: 103.0  
##  Mode  :character   Median :16.00   Mode  :character   Median : 180.0  
##                     Mean   :15.81                      Mean   : 258.2  
##                     3rd Qu.:21.00                      3rd Qu.: 319.0  
##                     Max.   :31.00                      Max.   :4918.0  
##     campaign          pdays          previous          poutcome        
##  Min.   : 1.000   Min.   : -1.0   Min.   :  0.0000   Length:45211      
##  1st Qu.: 1.000   1st Qu.: -1.0   1st Qu.:  0.0000   Class :character  
##  Median : 2.000   Median : -1.0   Median :  0.0000   Mode  :character  
##  Mean   : 2.764   Mean   : 40.2   Mean   :  0.5803                     
##  3rd Qu.: 3.000   3rd Qu.: -1.0   3rd Qu.:  0.0000                     
##  Max.   :63.000   Max.   :871.0   Max.   :275.0000                     
##       y            
##  Length:45211      
##  Class :character  
##  Mode  :character  
##                    
##                    
##

Liczba klientow banku posiadajaca zarowno kredyt mieszkaniowy jak i pozyczke.

n<-dane %>%
  filter(loan=="yes") %>%
    summarise( housing=="yes") %>%
    summarise(n=n())
x<-round((n/length(dane$loan))*100,0)
print(paste("Procentowy udzial osob posiadajacych pozyczke i kredyt mieszkaniowy w ogolnej liczbie klientow banku to okolo", x, "%"))
## [1] "Procentowy udzial osob posiadajacych pozyczke i kredyt mieszkaniowy w ogolnej liczbie klientow banku to okolo 16 %"

Wyselekcjonowanie wieku najbogatszej osoby.

x<-dane %>%
  select(age, balance) %>%
  arrange(desc(balance), age) %>%
  select(age)
y<-head(x$age,1)

print(paste("Najbogatsza i najmlodsza osoba wsrod klientow banku jest w wieku:", y, "lat."))
## [1] "Najbogatsza i najmlodsza osoba wsrod klientow banku jest w wieku: 51 lat."

Ponizej ciekawa statystyka pokazujaca jak bardzo malo osob utrzymujacych saldo roczne na poziomie wyzszym niz srednie (dla klientow banku), otrzymalo w spadku kredyt do splacenia. Jest to minimalny odsetek.

x<-dane %>%
  filter(balance > mean(balance)) 

print(paste("Liczba osob ktora odziedziczyla kredyt w spadku:", length(x$age)))
## [1] "Liczba osob ktora odziedziczyla kredyt w spadku: 11748"
y<- x%>%
  filter(default=="yes") %>%
  summarise(temp= n())

print(paste("Liczba osob z saldem rocznym wiekszym niz srednie majacych kredyt w chwili urodzenia:", y$temp))
## [1] "Liczba osob z saldem rocznym wiekszym niz srednie majacych kredyt w chwili urodzenia: 9"

Ponizej sprawdzamy jaka grupa zawodowa najczesciej korzysta z uslug banku.

dane %>%
  group_by(job) %>%
  summarise('Liczba klientow pracujaca w danym zawodzie'=n()) %>%
  arrange(desc(`Liczba klientow pracujaca w danym zawodzie`))

Poniżej sprawdzamy jaki odestek osob ktore wziely lokate w poprzedniej kampanii, stanowia osoby ktore wziely lokate podczas obecnej:

temp<-dane %>%
  filter(poutcome=="success") %>%
  summarise(n=n())

temp2<-dane %>%
  filter(poutcome=="success") %>%
  filter(y=="yes") %>%
  summarise(n=n())

print(paste("Wsrod osob, ktore podczas ostatniej kampanii reklamowej skorzystaly z uslug banku, ", round((temp2/temp)*100,0), "% wzielo lokate podczas obecnej kampanii"))
## [1] "Wsrod osob, ktore podczas ostatniej kampanii reklamowej skorzystaly z uslug banku,  65 % wzielo lokate podczas obecnej kampanii"

**************************************************************** WYKRESY *****************************************************************

Krótkie zapoznanie z poszczególnymi statystykami dotyczacymi klientow banku, przy uzyciu pakietu graphics. Zauważyc mozna, ze z banku najczesciej korzystaja osoby z wyksztalceniem srednim. Jesli chodzi o status cywilny to najczestsza grupa sa osoby zamezne. Natomiast dominujaca grupa zawodowa sa osoby pracujace fizycznie i osoby zatrudnione w dziale zarzadzania.

layout(matrix(c(1,2,3,3), 2, 2, byrow = TRUE))
pie(table(dane$education), cex=1.1, col = rainbow(4),radius = 0.9,border="white")
title("Wyksztalcenie klientow banku")
barplot(table(dane$marital), las = 2, cex.names = 0.9, col="aquamarine")
title("Stan cywilny klientów banku")
barplot(table(dane$job), cex.names = 0.9,las =3, ylab = 'Liczba osób', col=15)
title("Zawód klientów banku")

Poniższy histogram pokazuje status spoleczny klientów banku oraz stopien wyksztalcenia w poszczegolnych grupach. Zauważyc można, że dominujaca grupa sa osoby bedace w malzenstwie i posiadajace wyksztalcenie srednie. Natomiast najmniej liczna grupe stanowia osoby rozwiedzione majace wyksztalcenie podstawowe.

dane %>%
plot_ly( x=~marital, color =~education, alpha=0.7, type="histogram", 
        marker = list(line = list(color = "rgb(8,48,107)" , width = 1.5))) %>%
  layout(title = "Status cywilny i wyksztalcenie klientów banku",
         xaxis=list(title="Status cywilny", showgrid=FALSE), barmode="group",
         paper_bgcolor="#FFEFD5", plot_bgcolor="#FFFACD", font=list( family="Courier New, monospace",
                                                                     size=15, color="RebeccaPurple" ))

Wykres zależnosci rocznego salda w zależnosci od wieku, powstal z wykorzystaniem biblioteki lattice i latticeExtra. Pokazuje on wiele ciekawych zjawisk, chociazby to ze osoby w wieku powyzej 65 roku życia najczesciej posiadaja pożyczke. Ciekawy jest rownież znaczny spadek rocznego salda miedzy osobami z przedzialu wiekowego 50-60 a 60+.

plot1<-xyplot(balance~age, data=dane,groups = loan, 
              auto.key = list(space = "right",title = "Pożyczka",
                                 text = c("Tak", "Nie")), pch=19)
update(plot1,cex=0.9, xlab="Wiek", ylab="Saldo [€]", 
       main="Wykres zależnosci rocznego salda w zależnosci od wieku",
       par.setting =ggplot2like())

Poniższa zależnosci stworzona dzieki pakietowi ggplot2, pokazuje jak zmienia sie liczba rozmow podczas obecnej kampanii marketingowej w zależnosci od czasu trwania tej rozmowy, z dodatkowym podzialem na sposob kontaktu. Dodatkowe wypelnienie wykresow pokazuje czy kampania reklamowa przyniosla efekt i klient skorzystal z uslug banku biorac lokate. Ciekawe jest to ze im dluzszy czas rozmowy tym wieksze prawdopodobienstwo ze klient wezmie lokate. Widoczna jest rowniez znaczna przewaga telefonu komorkowego jako sposobu kontaktu w porownaniu z telefonem stancjonarnym. Widoczna na wykresie linia pokazuje sredni czas trwania rozmowy dla badanych danych.

temp<-dane %>% 
  filter(contact != "unknown")
linia <- temp %>% summarize(temp=mean(duration))

ggplot(temp, aes(x=duration, fill=y)) +
  geom_histogram(binwidth=23) + facet_grid(contact~.)+
      labs(x="Czas trwania rozmowy [s]", y="Liczba rozmów o danym czasie")+
      ggtitle("Liczba rozmów podczas kampani w zależnosci od czasu trwania tych rozmów")+
      scale_fill_manual(name="Deposit",values = c("#9FE8FF", "#FF8920"))+
      theme_grey()+ 
      xlim(NA, 2000)+
      geom_vline(data = linia, aes(xintercept = temp), color = "red",linetype = "dashed")+
      theme(plot.background = element_rect("#BFBFBF"), legend.background = element_rect("#DFDFDF"))

Poniższy wykres zrealizowany z pomoca pakietu ggplot2, pokazuje ciekawa zaleznosc miedzy posiadaniem kredytu mieszkaniowego a posiadanym wyksztalceniem. Zauwazyc mozemy znaczna przewage liczby posiadaczy kredytu mieszkaniowego w stosunku do tych, którzy nie posiadaja kredytu wsrod osob majacych wyksztalcenie drugiego stopnia.

ggplot(dane, aes(x=education, fill=housing)) + 
  geom_bar(position="dodge")+
  ggtitle("Zaleznosc posiadania kredytu mieszkaniowego od poziomu wyksztalcenia")+
  labs(x="Wyksztalcenie", y="Liczba osob")+
  theme(legend.position = c(.95, .95), legend.justification = c("right", "top"),
        legend.background = element_rect("#FFE7FF"),
        plot.background=element_rect("#FFD7DC"),plot.title = element_text(size = rel(1.1), face="bold"),
        panel.background = element_rect("#FFE7EC"),
        legend.title = element_text(face = "bold"), axis.title.x = element_text( size=11, face="bold"),
        axis.title.y = element_text( size=11, face="bold"))